false,
self::HTML_ENTITIES => false
);
private $_encoding;
private $_sym = array(
'nbsp' => ' ',
'lnowrap' => '',
'rnowrap' => '',
'lquote' => '«',
'rquote' => '»',
'lquote2' => '„',
'rquote2' => '“',
'mdash' => '—',
'ndash' => '–',
'minus' => '–', // соотв. по ширине символу +, есть во всех шрифтах
'hellip' => '…',
'copy' => '©',
'trade' => '™',
'apos' => ''', // см. http://fishbowl.pastiche.org/2003/07/01/the_curse_of_apos
'reg' => '®',
'multiply' => '×',
'1/2' => '½',
'1/4' => '¼',
'3/4' => '¾',
'plusmn' => '±',
'rarr' => '→',
'larr' => '←',
'rsquo' => '’'
);
private $_safeBlocks = array(
']*>' => '<\/pre>',
']*>' => '<\/style>',
']*>' => '<\/script>',
'',
']*>' => '<\/code>',
);
/**
* Укажите кодировку для обработки текста в кодировке, отличной от WINDOWS-1251.
* @param String $encoding
*/
public function __construct($encoding = null){
$this->_encoding = $encoding;
}
/**
* Добавляет безопасный блок, который не будет обрабатываться типографом.
*
* @param String $openTag
* @param String $closeTag
*/
public function addSafeBlock($openTag, $closeTag){
$this->_safeBlocks[$openTag] = $closeTag;
}
/**
* Убирает все безопасные блоки типографа.
* Полезно, если необходимо задать полностью свой набор.
*/
public function removeAllSafeBlocks(){
$this->_safeBlocks = array();
}
/**
* Устанавливает соответствие между символом и его представлением.
*
* @param String $sym
* @param String $entity
*/
public function setSym($sym, $entity){
$this->_sym[$sym] = $entity;
}
/**
* Устанавливает опцию типографа.
* см. «Ключи опций» выше.
*
* @param string $key
* @param mixed $value
*/
public function setOpt($key, $value){
$this->_options[$key] = $value;
}
/**
* При $opt = true все ё преобразуются в е.
*
* @deprecated Оставлено для совместимости с предыдущими версиями.
* @param boolean $opt
*/
public function convertE($opt = false){
$this->setOpt[self::CONVERT_E] = $opt;
}
/**
* Форматирует число как телефон 89109179966 => 8 (910) 917-99-66
* //TODO: доработать либо выкинуть…
* @param String $phone
* @return String
*/
/*
private static function _phone($phone){
$result = $phone[0].' ('.$phone[1].$phone[2].$phone[3].') ';
$count = 0;
$buff='';
for ($i=strlen($phone)-1; $i>3; $i--){
$left = $i-3;
if ($left!=3){
if ($count<1){
$buff.=$phone[$i];
$count++;
}
else{
$buff.=$phone[$i].'-';
$count=0;
}
}
else{
$buff.=strrev(substr($phone, $i-2, 3));
break;
}
}
$result.=strrev($buff);
return $result;
}
*/
/**
* Вызывает типограф, обходя html-блоки и безопасные блоки
* Для обработки текста в кодировке, отличной от WINDOWS-1251, укажите её
* вторым параметром.
*
* @param string $str
* @return string
*/
public function process($str){
if($this->_encoding!=null){
$str = iconv($this->_encoding, 'WINDOWS-1251', $str);
}
$str = html_entity_decode($str);
$pattern = '(';
foreach ($this->_safeBlocks as $start => $end){
$pattern .= "$start.*$end|";
}
$pattern .= '<[^>]*[\s][^>]*>)';
$str = preg_replace_callback("~$pattern~isU", array('self', '_stack'), $str);
$str = $this->typo_text($str);
$str = strtr($str, self::_stack());
if($this->_encoding!=null){
$str = iconv('WINDOWS-1251', $this->_encoding, $str);
}
return $str;
}
/**
* Накапливает исходный код безопасных блоков при использовании в качестве
* обратного вызова. При отдельном использовании возвращает накопленный
* массив.
*
* @param array $matches
* @return array
*/
private static function _stack($matches = false){
static $safe_blocks = array();
if ($matches !== false){
$key = '<'.count($safe_blocks).'>';
$safe_blocks[$key] = $matches[0];
return $key;
}
else{
$tmp = $safe_blocks;
unset($safe_blocks);
return $tmp;
}
}
/**
* Применяет все переданные правила к тексту
* @param array
* @return String
*/
private function apply_rules($rules, $str){
return preg_replace(array_keys($rules), $rules, $str);
}
/**
* Главная функция типографа.
* @param String $str
* @return String
*/
private function typo_text($str){
$sym = $this->_sym;
if (trim($str) == '') return '';
$html_tag = '(?:(?U)<.*>)';
$hellip = '\.{3,5}';
// Слово
$word = '[a-zA-Zа-яА-Я_]';
// Начало слова
$phrase_begin = "(?:$hellip|$word|\n)";
// Конец слова
$phrase_end = '(?:[)!?.:;#*\\\]|$|'.$word.'|'.$sym['rquote'].'|'.$sym['rquote2'].'|"|"|'.$sym['hellip'].'|'.$sym['copy'].'|'.$sym['trade'].'|'.$sym['apos'].'|'.$sym['reg'].'|\')';
// Знаки препинания (троеточие и точка - отдельный случай!)
$punctuation = '[?!:,;]';
// Аббревиатуры
$abbr = 'ООО|ОАО|ЗАО|ЧП|ИП|НПФ|НИИ';
// Предлоги и союзы
$prepos = 'а|в|во|вне|и|или|к|о|с|у|о|со|об|обо|от|ото|то|на|не|ни|но|из|изо|за|уж|на|по|под|подо|пред|предо|про|над|надо|как|без|безо|что|да|для|до|там|ещё|их|или|ко|меж|между|перед|передо|около|через|сквозь|для|при|я';
// Сокращения
$metrics = 'мм|см|м|км|г|кг|б|кб|мб|гб|dpi|px';
$shortages = 'г|гр|тов|пос|c|ул|д|пер|м|зам|см';
$money = 'руб\.|долл\.|евро|у\.е\.';
$counts = 'млн\.|тыс\.';
// Различные виды кавычек
$any_quote = "(?:$sym[lquote]|$sym[rquote]|$sym[lquote2]|$sym[rquote2]|"|\")";
// Правила
$rules_strict = array(
// Много пробелов или табуляций -> один пробел.
'~( |\t| )+~' => ' ',
// Убираем лишние пробелы между символами
'~([!?:;,.]) (?=\1)~' => '$1',
// Окружаем символьные массивы пробелами
'~([.,:;!?]+)~' => ' $1 ',
// Убираем все до трех знаков
'~ +([!?]!!)!* ?~' => '$1 ', // !!! или ?!! + ставим пробел после знаков
'~ +(\?\?\?)\?* ?~' => '$1 ', // ??? + ставим пробел после знаков
'~ +([!?]\.\.)\.* ?~' => '$1 ', // !.. + ставим пробел после знаков
'~ (\.\.\.)\.* ~' => $sym['hellip'], // ... (троеточие) + оставляем пробелы как есть
'~ +(\?\?) ?~' => '? ', // Два ?? в ? + ставим пробел после
'~ +[^!?]?(\.\.) ?~' => '. ', // Две .. в . + пробел после
// , : ; больше одной быть не может, хотя может foo::getId();
'~ +([:;,])\1+ ?~' => '$1 ',
// Расставзяем пробелы у одиночных знаков припенания
'~ +([.,:;!?]) ?~' => '$1$2',
// Занятная комбинация
'~ +!\? ?~' => '?! ',
// ЗАСАДА! Если было |"текст!" текст| то станет |"текст! " текст|, а это проблема...
// ?, а не * т.к. уже всё слили... ну да, тогда пробела уже точно нет, так что не нужен?
//'~(\w)!!([^!])~' => '$1!$2',
//'~(\w)\?\?([^?])~' => '$1?$2',
//'~(\w)\.\.([^.])~' => '$1.$2',
//'~([^\2])([.!?])\2([^\2])~' => '$1$2$3',
//'~(? '!', // Замена
//'~(? '!',
//'~(? '!',
//'~ [^!]?(\.\.) ~' => ' . ',
//'~ (\?\?) ~' => ' . ',
// Убираем повторяющиеся знаки припенания, заменяем троеточие на троеточие (. , : ; ! ? ...)
// TODO: может тут же убирать пробелы до и ставить один после?
//'~([!?]!!)!+1?~' => '$1', // !!! или ?!! (так же !!!!!!!1 = !!!)
//'~(\?\?\?)\?+7?~' => '$1', // ??? (так же ??????7 = ???)
//'~(!\.\.)\.+~' => '$1', // !..
//'~(\.\.\.)\.*~' => $sym['hellip'], // ...
// Двоеточий, точек с запятой и запятых больше одной быть не должно
//'~(\w)([,:;])(?: ?\2)+(\s|\z)~' => '$1$2$3',
//'~(\w)([,:;])\2+(\s|\z)~' => '$1$2$3',
// Редактурием пробелы в скобках (одновременно удаляя лишние знаки в начале и в конце)
// Исключения типа «программирование .net»
/* Программирование. NET => Программирование .NET
* Слово;) => Слово ;) Слово:) => Слово ;) Слово:-) => Слово ;-)
* !!!!!!!!!1 => !!! ??????????7 => ???
* ...думаю это исключения, которые поправятся после осноггвных правил
*/
// Можно сократить множество скобок до трех...
// ------------ более менее чистый код ------------
// Обрабатывам знаки дефисов
// Здесь всякие разные правила, типа: стрелочки, "из-за", символы, дроби, даты и т.д...
/*
// Запятые после «а» и «но». Если уже есть — не ставим.
'~([^,])\s(а|но)\s~' => '$1, $2 ',
// Оторвать тире от слова (корректно работает с «газо- и электросварка»).
'~([a-zа-я])- (?!(,|и|или|либо) )~i' => '$1 - ',
// Удаление от 4 до 7 повторяющихся слов (думаем что правильно писать через дефис или запятую).
//'~((\w{2,}) ){4,7}\1~i' => '$1',
// Расстановка дефисов перед «-либо», «-нибудь».
'~(кто|что|где|когда|почему|зачем|кем|чем) ?(либо|нибудь)~i' => $sym['lnowrap'].'$1'.$sym['ndash'].'$2'.$sym['rnowrap'],
// Расстановка дефисов в предлогах «из-за», «из-под», «по-над», «по-под».
'~(из) ?(за|под) ~i' => $sym['lnowrap'].'$1'.$sym['ndash'].'$2'.$sym['rnowrap'].' ',
'~(по) ?(над|под) ~i' => $sym['lnowrap'].'$1'.$sym['ndash'].'$2'.$sym['rnowrap'].' ',
// Знаки с предшествующим пробелом… нехорошо!
'~('.$phrase_end.') +('.$punctuation.'|'.$sym['hellip'].')~' => '$1$2',
'~('.$punctuation.')('.$phrase_begin.')~' => '$1 $2',
// Для точки отдельно
'~(\w)\s(?:\.)(\s|$)~' => '$1.$2',
// Неразрывные названия организаций и абревиатуры форм собственности
// ~ почему не один ?
// ! названия организаций тоже могут содержать пробел !
'~('.$abbr.')\s+(«.*»)~' => $sym['lnowrap'].'$1 $2'.$sym['rnowrap'],
// Нельзя отрывать сокращение от относящегося к нему слова.
// Например: тов. Сталин, г. Воронеж
// Ставит пробел, если его нет.
'~(^|[^a-zA-Zа-яА-Я])('.$shortages.')\.\s?([А-Я0-9]+)~s' => '$1$2.'.$sym['nbsp'].'$3',
// Не отделять стр., с. и т.д. от номера.
'~(стр|с|табл|рис|илл|гл)\.\s*(\d+)~si' => '$1.'.$sym['nbsp'].'$2',
// Не разделять 2007 г., ставить пробел, если его нет. Ставит точку, если её нет.
'~([0-9]+)\s*([гГ])\.\s~s' => '$1'.$sym['nbsp'].'$2. ',
// Неразрывный пробел между цифрой и единицей измерения
'~([0-9]+)\s*('.$metrics.')~s' => '$1'.$sym['nbsp'].'$2',
// Сантиметр и другие ед. измерения в квадрате, кубе и т.д.
'~(\s'.$metrics.')(\d+)~' => '$1$2',
// Знак дефиса или два знака дефиса подряд — на знак длинного тире.
// + Нельзя разрывать строку перед тире, например: Знание — сила, Курить — здоровью вредить.
'~ +(?:--?|—|—)(?=\s)~' => $sym['nbsp'].$sym['mdash'],
'~^(?:--?|—|—)(?=\s)~' => $sym['mdash'],
// Прямая речь
'~(?:^|\s+)(?:--?|—|—)(?=\s)~' => "\n".$sym['nbsp'].$sym['mdash'],
// Знак дефиса, ограниченный с обоих сторон цифрами — на знак короткого тире.
'~(?<=\d)-(?=\d)~' => $sym['ndash'],
// Нельзя оставлять в конце строки предлоги и союзы
'~(?<=\s|^|\W)('.$prepos.')(\s+)~i' => '$1'.$sym['nbsp'],
// Нельзя отрывать частицы бы, ли, же от предшествующего слова, например: как бы, вряд ли, так же.
"~(?<=\\S)(\\s+)(ж|бы|б|же|ли|ль|либо|или)(?=$html_tag*[\\s)!?.])~i" => $sym['nbsp'].'$2',
// Неразрывный пробел после инициалов.
'~([А-ЯA-Z]\.)\s?([А-ЯA-Z]\.)\s?([А-Яа-яA-Za-z]+)~s' => '$1$2'.$sym['nbsp'].'$3',
// Сокращения сумм не отделяются от чисел.
'~(\d+)\s?('.$counts.')~s' => '$1'.$sym['nbsp'].'$2',
// «уе» в денежных суммах
'~(\d+|'.$counts.')\s?уе~s' => '$1'.$sym['nbsp'].'у.е.',
// Денежные суммы, расставляя пробелы в нужных местах.
'~(\d+|'.$counts.')\s?('.$money.')~s' => '$1'.$sym['nbsp'].'$2',
// Неразрывные пробелы в кавычках
//"/($sym[lquote]\S*)(\s+)(\S*$sym[rquote])/U" => '$1'.$sym["nbsp"].'$3',
// Телефоны
//'~(?:тел\.?/?факс:?\s?\((\d+)\))~i' => 'тел./факс:'.$sym['nbsp'].'($1)',
//'~тел[:.] ?(\d+)~ie' => "'тел: '.self::_phone('$1').''",
// Номер версии программы пишем неразрывно с буковкой v.
'~([vв]\.) ?([0-9])~i' => '$1'.$sym['nbsp'].'$2',
'~(\w) ([vв]\.)~i' => '$1'.$sym['nbsp'].'$2',
// % не отделяется от числа
'~([0-9]+)\s+%~' => '$1%',
// IP-адреса рвать нехорошо
'~(1\d{0,2}|2(\d|[0-5]\d)?)\.(0|1\d{0,2}|2(\d|[0-5]\d)?)\.(0|1\d{0,2}|2(\d|[0-5]\d)?)\.(0|1\d{0,2}|2(\d|[0-5]\d)?)~' =>
$sym['lnowrap'].'$0'.$sym['rnowrap'],
// Неразрывный пробел перед последним словом в тексте
//'~(\s)(\S*)\Z~' => $sym['nbsp'].'$2'
// Делаем неразрывными слова с дефисом.
// Пример: "слово-слово", "слово-слово-слово".
//'~(\w+((-|'.$sym['ndash'].')\w+){1,2})~' => $sym['lnowrap'].'$0'.$sym['rnowrap']
// Знаки (c), (r), (tm)
'~\((c|с)\)~i' => $sym['copy'],
'~\(r\)~i' => $sym['reg'],
'~\(tm\)~i' => $sym['trade'],
// От 2 до 5 знака точки подряд - на знак многоточия (больше - мб авторской задумкой).
// Лишнее правило!!! Сверху больше трех в три... так что пяти не будет!
// Sam: судя по тому, как меняются результаты тестов — не лишнее…
'~'.$hellip.'~' => $sym['hellip'],
// Спецсимволы для 1/2, 1/4, 3/4
'~\b1/2\b~' => $sym['1/2'],
'~\b1/4\b~' => $sym['1/4'],
'~\b3/4\b~' => $sym['3/4'],
// Апострофы
"~([a-zA-Zа-яА-Я])'+([a-zA-Zа-яА-Я])~i" => '$1'.$sym['rsquo'].'$2',
"~'~" => $sym['apos'], //str_replace?
// Размеры 10x10, правильный знак + убираем лишние пробелы
'~(\d+)\s{0,}?[x|X|х|Х|*]\s{0,}(\d+)~' => '$1'.$sym['multiply'].'$2',
// +-
'~([^\+]|^)\+-~' => '$1'.$sym['plusmn'],
// Стрелки
'~([^-]|^)->~' => '$1'.$sym['rarr'],
'~<-([^-]|$)~' => $sym['larr'].'$1',
// Оторвать скобку от слова
'~(\w)\(~' => '$1 (',
// Слепляем скобки со словами
'~\( ~s' => '(',
'~ \)~s' => ')',
*/
// Рассавляем кавычки. Можно делать рекурсивно читая "(" началом рекурсии ")" - концом...
// Здесь добавляем в словах с дефисами.
// Добавляем неразрывный пробел перед последним словом.
);
$quotes = array('"', '«', '»', '“', '”', '„',
'"', '«', '»', '“', '”', '„',
'«', '»', '„', '“', '„');
$str = str_replace($quotes, '"', $str);
/*
$rules_quotes = array(
// Разносим неправильные кавычки
'~([^"]\w+)"(\w+)"~' => '$1 "$2"',
'~"(\w+)"(\w+)~' => '"$1" $2',
// Превращаем кавычки в ёлочки. Двойные кавычки склеиваем.
'~(?<=\\s|^|[>(])('.$html_tag.'*)('.$any_quote.')('.$html_tag.'*'.$phrase_begin.$html_tag.'*)~'
=> '$1'.$sym['lquote'].'$3',
'~('.$html_tag.'*(?:'.$phrase_end.'|[0-9]+)'.$html_tag.'*)('.$any_quote.')('.$html_tag.'*'.$phrase_end.$html_tag.'*|\\s|[,<-])~'
=> '$1'.$sym['rquote'].'$3',
);
$str = $this->apply_rules($rules_quotes, $str);
// Вложенные кавыки.
$i=0; $lev = 5;
while (($i<$lev) && preg_match('~«(?:[^»]*?)«~', $str)){
$i++;
$str = preg_replace('~«([^»]*?)«(.*?)»~s', '«$1'.$sym['lquote2'].'$2'.$sym['rquote2'], $str);
}
$i=0;
while (($i++<$lev) && preg_match('~»(?:[^«]*?)»~', $str)){
$i++;
$str = preg_replace('~»([^«]*?)»~', $sym['rquote2'].'$1»', $str);
}
*/
$str = $this->apply_rules($rules_strict, $str);
if($this->_options[self::CONVERT_E]){
$str = str_replace(array('Ё', 'ё'), array('Е', 'е'), $str);
}
if($this->_options[self::HTML_ENTITIES]){
$str = htmlentities($str);
}
return $str;
}
}